Mapas da especialização trimestral de chuva e hietrograma trimestral da região metropolitana de Teresina / PI
Notice bibliographique
Résumé
Mapas da distribuição espacial de chuva trimestral subsidiam o gerenciamento e planejamento dos recursos hídricos. O objetivo deste trabalho é apresentar o mapeamento da distribuição espacial trimestral e anual da precipitação pluviométrica dos municípios da região metropolitana de Teresina/PI. Na espacialização dos dados pontuais de chuva (1977 a 2006), utilizou-se a função Topo to Raster como interpolador dos dados das estações pluviométricas. Os trimestres mais úmidos, em ordem decrescente, são: 1° trimestre (janeiro a março), com 747mm, 2° trimestre (abril a junho), com 372mm, 4° trimestre (outubro a dezembro), com 160mm 3° trimestre (julho a setembro), com 24mm. O somatório da precipitação média nos quatro trimestres, ou seja, foi de 1.303mm.ano-1. ABSTRACT: Quarterly rainfall spatial distribution maps subsidize water resource management and planning. The objective of this work is to present the mapping of the quarterly and annual spatial distribution of pluviometric precipitation of the municipalities of the metropolitan region of Teresina / PI. In the spatialization of the rainfall data (1977 to 2006), the Topo to Raster function was used as the interpolator of the rainfall data. The wettest quarters, in descending order, are: 1st quarter (January to March), with 747mm, 2nd quarter (April to June), with 372mm, 4th quarter (October to December), with 160mm 3rd quarter July to September), with 24mm. The sum of the average precipitation in the four quarters, that is, was 1.303 mm.year-1.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».